¿Qué hace clips de podcast calypso?
Ejecuta ./scripts/calypso.py desde la raíz del repositorio. Usa el README para conocer la sintaxis de la CLI y los ejemplos JSON. Conserva la fuente y mantén los archivos intermedios bajo work/.
Para una ejecución guiada, proporciona un paso accionable a la vez y explica cómo verificar el resultado. Proporciona comandos usando las rutas reales del usuario cuando quiera ejecutar los pasos él mismo. Realiza los pasos autorizados de la CLI cuando te pida a Codex que los ejecute. Reanuda desde el último artefacto verificado para esa fuente.
Confirmar elecciones antes de implementar
Cuando exista más de un enfoque viable para un paso, pide al usuario que elija antes de comprometerte con ese enfoque en un plan de edición, script, comando de CLI o exportación. Proporciona las opciones, recomienda una y explica la compensación práctica. El valor predeterminado recomendado es la primera opción a presentar. Usa las elecciones que el usuario ya haya confirmado para el clip, y pausa solo el trabajo que depende de una elección abierta. Continúa inspeccionando la fuente o recopilando evidencia mientras esperas. Si la fuente o una restricción de la herramienta deja solo un camino viable, explica la restricción antes de proceder.
Aplica esto a los métodos de transcripción y contexto, la estructura de la historia y los cortes, el audio y las transiciones, cómo se identifican o manejan los turnos de habla cuando no están claros, la colocación y el momento de los diagramas, y si se reutiliza la CLI de Calypso o se escribe un script de edición personalizado. Verifica los puntos de corte y los límites del recorte a partir de la fuente. Pregunta sobre cualquier entrada faltante o decisión no resuelta que requiera una suposición.
Encontrar la grabación y transcribir
Usa la ruta de origen proporcionada, o pregúntala si la grabación no está clara. Sonda los flujos de audio disponibles y elige la pista de diálogo. Recomienda el flujo de trabajo local de Whisper large-v3-turbo y Silero en el contexto inspirado en Yogurt cuando los modelos estén disponibles. El comando estándar transcribe funciona con un modelo Whisper configurado o con --model models/ggml-base.bin cuando ese archivo existe. Reutiliza una transcripción verificada para la misma fuente cuando su calidad sea suficiente. Confirma que el JSON contiene diálogo utilizable y marcas de tiempo relativas a la fuente.
Si el backend Metal de Whisper o el lanzamiento de Chrome de Excalidraw fallan en el sandbox de Codex, reintenta con el acceso adecuado o proporciona el comando para la terminal normal del usuario. Usa un directorio de trabajo nuevo si la transcripción fallida ya creó uno.
Construir contexto del episodio
Usa el pase de notas local en el contexto inspirado en Yogurt. Mapea todo el episodio antes de proponer ediciones. Vincula los temas y las referencias a filas de transcripción con marca de tiempo. Conserva lo que se propuso, disputó o fue hipotético. Verifica las notas contra la transcripción y mantén la atribución del hablante como incierta cuando el audio esté mezclado. Revisa las líneas cercanas y muestra fotogramas de muestra donde el significado dependa de algo en pantalla.
Proponer historias completas
Comienza con el mensaje que un espectador debería llevarse. Encuentra el gancho o la pregunta, el contexto mínimo para seguirlo, y la explicación y la recompensa. Señala los arcos prometedores incluso cuando abarquen varios minutos o cuando la respuesta llegue mucho después. Mantén el orden de la fuente a menos que el usuario solicite una estructura diferente y la edición resultante conserve el significado.
Para una historia de varias partes, guarda un story-arcs.json separado con un ID estable, título, mensaje principal, span completo de la fuente, rangos de conservación ordenados sin superposición, rangos de corte con razones, duración editada estimada y cualquier unión que necesite un puente visual corto. Usa segundos relativos a la fuente y registra los IDs de las filas de transcripción para cada rango de conservación. Corta repeticiones, tangentes y silencio muerto, pero conserva las advertencias y la configuración necesaria. Compara las líneas a ambos lados de cada unión propuesta y marca las uniones poco claras para una vista previa de audio. Presenta el span de la fuente y la duración editada estimada para que el usuario pueda juzgar la diferencia.
Incluye clips contiguos más cortos cuando transmitan un punto completo. Guárdalos en clips.json y usa list para presentarlos. El comando render actual acepta un intervalo continuo por ID. Usa un paso de corte preliminar separado para ediciones seleccionadas de varias partes y previsualiza las uniones antes de considerar la edición como final. Pide los IDs de los clips y cualquier opción de diseño faltante. Renderiza las selecciones que el usuario apruebe.
Solicitar narración grabada por el anfitrión
Usa el diálogo original y las tomas grabadas por el anfitrión para el audio hablado. Mantén las voces sintetizadas o clonadas fuera de los cortes preliminares y las exportaciones finales a menos que el usuario cambie explícitamente esta preferencia.
Cuando se necesite nuevo discurso para una apertura, transición o corrección factual, dale al anfitrión el texto exacto para cada toma, dónde va, una duración estimada y un nombre de archivo o etiqueta de toma distintivo. Acepta grabaciones cortas separadas o una grabación con pausas claras entre tomas. Prepara la edición y los visuales mientras el anfitrión graba. Usa tarjetas de texto en silencio para cualquier vista previa provisional que necesite tomas faltantes.
Cuando lleguen las grabaciones, empareja cada toma con su señal, elimina el silencio excesivo, nivela el volumen con el diálogo del podcast y ajusta el tiempo de las tarjetas para que coincidan con la entrega grabada. Verifica las uniones y confirma que la exportación contenga solo el diálogo original y las tomas grabadas del anfitrión.
Preparar encuadre y diagramas
Para un clip vertical con un diagrama, recomienda primero el diseño aprobado: recorta al hablante activo, coloca ese recorte en la parte superior del cuadro y reserva la parte inferior para un diagrama grande. Muestra al anfitrión izquierdo mientras habla y cambia al anfitrión derecho cuando toma su turno. Determina izquierda y derecha a partir de los cuadros y el diálogo de esta grabación. Ofrece el diagrama debajo o encima del hablante cuando cualquiera de las disposiciones sea viable y confirma la colocación. Pregunta qué debe llenar el área del diagrama cuando el diagrama esté fuera de pantalla, si el clip no usa un diagrama en todo momento.
- Hablante sobre diagrama usa
render --layout combined --framing <turns.json> --diagram <diagram.png>cuando un solo intervalo y un diagrama estático encajan. Revisa el texto a tamaño de teléfono. - Diagrama con tiempo o edición de varias partes puede usar un script de renderizado dedicado si la CLI no puede expresar el tiempo o el diseño aprobado. Mantén el mismo encuadre de hablante sobre diagrama cuando esté aprobado. Registra el recorte elegido, el diseño y las señales del diagrama en el plan de edición. Convierte los tiempos de señal relativos a la fuente a la línea de tiempo editada después de tener en cuenta los cortes y las tarjetas.
- Otros diseños usan
speakercon--framingpara un recorte solo del hablante,originalpara un plano general, odiagramcon--diagrampara un video solo de diagrama con audio fuente. Un plano general sobre un diagrama está disponible a través decombinedsin--framing.
Para un plano fijo de dos personas, inspecciona los cuadros a resolución completa y encuadra cada asiento de modo que el recorte incluya la cara y los hombros del anfitrión. Construye turnos de hablante ordenados y sin superposición en segundos relativos a la fuente a partir de un método aprobado, como revisión manual, pistas de micrófono aisladas o pyannote.audio Community-1 local después de la configuración del modelo. Confirma el asiento para cada etiqueta de hablante. Pregunta cómo manejar los turnos inciertos, la superposición y las interjecciones breves cuando esas elecciones importan. Ofrece el plano general para turnos inciertos cuando sea factible. Un detector de cámara en movimiento como TalkNet requiere integración y validación separadas en el metraje.
Para explicaciones de varios pasos, deriva nodos y flechas del extracto seleccionado o usa la escena Excalidraw del usuario. Ejecuta diagram para producir un PNG y conserva la escena editable. Previsualiza el cambio de hablante y la señal del diagrama juntos a tamaño de teléfono.
Verificar exportaciones
Ejecuta o proporciona un comando render por ID seleccionado y diseño, con una ruta de salida distinta. Verifica la duración de salida, dimensiones, códecs y audio con ffprobe. Previsualiza los inicios, finales y transiciones de recorte para verificar la sincronía, las palabras intactas y el encuadre legible. Informa las rutas de salida y los IDs candidatos. En una ejecución guiada, muestra cómo reintentar un clip con límites ajustados o un diseño diferente si el usuario desea cambios.